La mayoría de las pruebas de incrementalidad son autopsias. Para cuando llega el dato del incremento, el resultado ya estaba decidido, no por la prueba, sino por dónde y cómo se publicó el anuncio. Los especialistas en marketing tratan la incrementalidad como una calificación que reciben al final del trimestre. Se parece más a una decisión que tomaron al principio, cuando eligieron dónde se mostraría el anuncio.
Ese replanteamiento es importante porque la incrementalidad se ha convertido en el KPI que todos quieren y casi nadie confía. En las principales encuestas de medición de la industria, la mayoría de los anunciantes afirman que su stack, atribución, MMM e incrementalidad en conjunto, todavía no alcanzan el rigor, la velocidad y la confianza que necesitan (IAB, State of Data 2026). Nosotros diríamos que la brecha no es un fallo de medición. Es un fallo de medios.
Lo que realmente mide una prueba de incremento
Cada prueba de incremento plantea una pregunta: ¿este anuncio llegó a alguien que no habría convertido de todos modos? Ese "de todos modos" es la clave de todo. La incrementalidad es lo que sucedió menos lo que habría sucedido sin el anuncio, el contrafactual, y el tamaño de esa brecha lo determina menos la prueba que la ubicación que eligió para publicar.
Lo que lleva a una conclusión incómoda: los canales en los que más confían los especialistas en marketing suelen ser los menos incrementales. La búsqueda de marca y el retargeting convierten de maravilla y se ven muy bien en el panel, precisamente porque captan demanda que ya se dirigía al carrito. En 225 pruebas geográficas de DTC, la búsqueda de marca registró un ROAS incremental medio de 0,70x, mientras que el mejor desempeño, Tatari CTV, alcanzó 3,30x (Stella). Una tasa de conversión alta, en otras palabras, puede ser un síntoma de baja incrementalidad, no una prueba de alta.
Llámelo la diferencia entre la recolección de demanda y la introducción de demanda. La recolección captura la intención que ya existe. La introducción crea una venta que no habría ocurrido de otra manera. Ambas tienen cabida en un plan de medios. Solo una es incremental.
Y la lectura es tan confiable como el grupo de control que la respalda. Los experimentos publicitarios de las plataformas pueden confundir silenciosamente el efecto del anuncio con la segmentación del algoritmo, porque la plataforma entrega cada variante a su propia combinación optimizada de usuarios, un sesgo documentado en un estudio de 2025 del Journal of Marketing (Braun & Schwartz) que solo se profundiza a medida que los algoritmos se vuelven más inteligentes. La solución es un contrafactual real y aleatorizado: la misma población, menos el anuncio. Eso es lo que separa una lectura causal de una correlación halagadora.
Dónde encaja la incrementalidad en el stack
Ningún modelo es la fuente única de la verdad. La atribución es rápida y granular para la optimización diaria. El MMM establece el panorama estratégico. La incrementalidad es la verificación causal que calibra ambos, ajustando las prioridades del MMM y validando lo que afirma la atribución. Los programas más sólidos ejecutan los tres y tratan las discrepancias como señales, no como ruido.
Pero diseñar para la incrementalidad es solo la mitad del trabajo. El propósito real de la prueba no es fabricar un incremento; es revelar qué ubicaciones lo obtuvieron, para que pueda destinar presupuesto a ellas. Ahí es donde se estancan la mayoría de los programas. El 71% de los anunciantes considera la incrementalidad como su principal KPI de retail media, pero solo el 15% se califica a sí mismo como muy o extremadamente eficaz para medirla (Skai, 2026). La brecha generalmente no es metodológica. Es la disciplina de mover el dinero una vez que los números desafían una partida que se veía bien sobre el papel. El ROAS reportado por la plataforma puede sobreestimar el verdadero impacto incremental entre un 30% y un 60% en canales de recolección como la publicidad social pagada y el retargeting (Measured), lo que significa que las ubicaciones que parecen más eficientes suelen ser las que están silenciosamente sobrefinanciadas.
Por qué Rokt está diseñado para la introducción
Rokt opera en el Momento de la Transacción, la ventana entre el pago y la confirmación, cuando alguien acaba de decidir comprar. Estructuralmente, eso es introducción de demanda por diseño. El comprador se ha comprometido con una compra, por lo que una oferta relevante de un anunciante diferente llega a alguien que no estaba buscando esa marca en absoluto. La intención del comprador era para un producto completamente diferente, por lo que, en relación con el anunciante que estamos introduciendo, no existe demanda previa que recolectar. Estamos creando un momento de consideración que no habría existido.
La interacción allí es alta, con un CTR promedio del 4,03% (10 veces más que Google Display, 4 veces más que Facebook) y una CVR del 6,32%. Pero una conversión alta es exactamente la trampa mencionada anteriormente, por lo que la tratamos como un síntoma a probar, no como una prueba en la que confiar. La posición estructural genera probabilidades favorables; no otorga un pase libre, por lo que cada ubicación sigue siendo medida. Y medimos con más de un método riguroso. Los anuncios fantasma (ghost ads) proporcionan un grupo de retención a nivel de usuario, donde el grupo de control está formado por personas que habrían visto la oferta, cumplían con la segmentación, superaron la supresión, ganaron la subasta, pero fueron retenidas aleatoriamente en el último paso, de modo que el tratamiento y el control provienen de la misma población elegible. Las pruebas de incremento basadas en geografía, incluidos los diseños de mercado emparejado y control sintético que ejecutan socios como Haus, comparan geografías completas y capturan los efectos offline y omnicanal que una prueba a nivel de usuario puede pasar por alto. Diferentes diseños, diferentes fortalezas. Lo que comparten es un control real y aleatorizado, y utilizamos ambos.
La incrementalidad nunca fue una calificación esperando al final del trimestre. Es una decisión que toma cada vez que elige dónde invertir el próximo dólar.
Fuentes
Encuesta de KPI de retail media de la ANA (2024); IAB x BWG Global State of Data 2026; Braun & Schwartz, "Where A/B Testing Goes Wrong", Journal of Marketing (2025); Stella 2025 DTC Incrementality Benchmarks (225 pruebas geográficas); Skai 2026 State of Retail Media Measurement; Measured (sobreestimación del iROAS); Rokt by the Numbers (2026).
.jpg)
